來源：火訊財經(jīng)

文章轉(zhuǎn)載來源：AGIing

原文來源：菊廠老孟

作者：孟慶祥

圖片來源：由無界 AI生成

2022年末，網(wǎng)絡(luò)上開始瘋傳Open AI Chat GPT與人的對話，宛若真人之間的聊天一樣絲滑,。然后，開始一個關(guān)于AI,、大模型的炒作，創(chuàng)新,，創(chuàng)業(yè)活動已經(jīng)紅火了一年,，還沒有看到實際的應(yīng)用成果,。人們就在琢磨這東西怎么發(fā)展？

最近幾十年,，這種故事太多了,，也沉淀下來一些規(guī)律、經(jīng)驗和教訓(xùn),。隨便回顧總結(jié)一下就是1萬字,，個把月的時間，寫一本10萬字的書也不用摻三聚氰胺湊字,。但是,，誰看呢？生產(chǎn)一種賣不出的商品不是徒勞嗎,？你懶得看,，我就懶得寫，爭取2000字寫一個梗概出來就完了,。

（一）人們困在思維,、技術(shù)、需求中

世間的實用事物就兩個難點：有明確需求的技術(shù)上解決不了,；有技術(shù)的不知道需求在哪里,。

有明確需求但技術(shù)解決不了的有醫(yī)學(xué)、各種代替人工的商用機器人,、更好的能源等等,。

有技術(shù)但需求不明確的主要是ICT技術(shù)，與計算機代碼相關(guān)的行業(yè),。

誰能夠在一個方向上找到一點突破的縫隙,，必然引來千軍萬馬嘗試。

石墨烯已經(jīng)發(fā)現(xiàn)了20年了,，從制備到應(yīng)用多路徑,、多梯次探索了好幾遍了，還是沒有挖到價值點,。

2004年,，馬斯克搞電動車的時候，鋰電池的能量密度只有現(xiàn)在的1/3到1/4,，價格則是現(xiàn)在的5~10倍,。而且，在當(dāng)時看來,，電池的能量密度是很難提高的。到了2014年左右,，看到了電池能量密度提升的技術(shù)可能性,，于是,，中國很多公司涌進了這條賽道。

2007年,，iPhone發(fā)布后,，采用和計算機一樣的上網(wǎng)技術(shù)，又推廣了APP模式,。幾年之后,，眾多公司探索移動互聯(lián)網(wǎng)的各種應(yīng)用。今天成就了幾個大公司,、開發(fā)出了幾個大應(yīng)用,，一將功成萬骨枯。幾乎任何一次技術(shù)或者需求上鑿出一條縫隙,，都會千軍萬馬涌進,，都會一將功成萬骨枯。

mRNA疫苗大家都認(rèn)為不可能,，卡里科極其苦逼的鑿了40年,，搞定了。接下來,，mRNA這條技術(shù)路線就會有大把人和錢進來,，直到階段性的山窮水盡。

AI是很早孕育的技術(shù),，早期進展緩慢,。

AI識別語音，搞了一小波,，識別圖像搞了一個中波段,，收效都很小。

人們始終困在技術(shù)中,，需求中,，更重要的是困在思維中。

（二）杠桿點還在需求上

從互聯(lián)網(wǎng)到移動互聯(lián)網(wǎng),，再到各個公司的成敗,，各個具體應(yīng)用的成敗，在細(xì)化到細(xì)枝末節(jié),，最末端的小人物,、個體戶，關(guān)鍵在于誰抓住了有效的需求誰就成功,。

抓需求的方法到現(xiàn)在仍然沒有有效的方法論,，主要是還是實踐，誰拍的小片子,、生產(chǎn)的內(nèi)容,、帶貨的方法更符合群眾的胃口,，誰就賺到了錢。

這一輪以語言大模型,，到繪畫到動畫為突破口的AI,。顯然，舉例這項技術(shù)近的是內(nèi)容的生產(chǎn),，就是AIGC,，人工智能產(chǎn)生的內(nèi)容。

但消費者還是大活人,，這一點很重要,。你可以生產(chǎn)無窮無盡的內(nèi)容，那么人到底會為啥買單呢,？

簡單地分類,，內(nèi)容可以分為用于生產(chǎn)性的內(nèi)容和用于消費的內(nèi)容。

用于生產(chǎn)的內(nèi)容,，就是我們在學(xué)校里,，在公司里被威逼利誘學(xué)習(xí)的那些東西，數(shù)理化,、工程,、科技、管理等等,，這些內(nèi)容全都枯燥,、反人性，通過胡蘿卜大棒才能搞定,。只有少數(shù)人天然喜歡這些東西,，他們是人類的引領(lǐng)者，是雷鋒,。如果AIGC的內(nèi)容是用于生產(chǎn)的,，必然是一個個的碎片市場，就像過去的2B應(yīng)用,，2B軟件,，可以找到一個細(xì)分市場做個小公司，成功概率略大,。

做2C內(nèi)容,，必須是爽的，上癮的,，三俗的,，有故事的，有新聞性質(zhì)的。這東西從早期的電影,，電視,，到現(xiàn)在的網(wǎng)絡(luò)，已經(jīng)探索了無數(shù)遍了,。用于消費的信息必須沒用。古往今來,，多少牛逼人像把有用和有趣結(jié)合起來,，寓教于樂，其實都是搞不定的,。這是矛盾的事物,，就像你無法調(diào)和黑白一樣。

做2C是大賽道,。過去有PGC,，UGC，OGC等,，用戶感興趣的邏輯始終是不變的?，F(xiàn)在的AIGC如果能搞定這個，它的產(chǎn)量和生產(chǎn)內(nèi)容的成本是人的肉身無法比擬的,。AIGC在2C領(lǐng)域必然產(chǎn)生巨無霸應(yīng)用,。抖音搞定了UGC，通過大量人肉礦渣投入大量成本,，獲取巨大流量,，然后他收一把流量稅。到了AIGC時代,，留不需要人肉礦渣了,。

AIGC距離這步遠(yuǎn)不遠(yuǎn)？挺遠(yuǎn)的,，現(xiàn)在GPT回答各種東西是比較強的,，起碼言之成理，全面,。但它只是一個搜索引擎的變種,，能現(xiàn)編一些內(nèi)容而已。它被動提供內(nèi)容的屬性是沒有變化的,。要想真的全自動AIGC,，它必須主動生產(chǎn)內(nèi)容，有計劃性?，F(xiàn)在AI還沒有展現(xiàn)這個可能性,。干這個事情，除了擼技術(shù)以外，必須廣泛深入的研究人的需求,，研究三俗,，研究上癮。讓這個研究成果給AI賦能,，稅做的好,，稅成功。這是廣大大模型公司忽略的一點,，其實這一點才是勝負(fù)手,。

如果AI能有計劃，主動生產(chǎn)內(nèi)容,。那它就有相當(dāng)于有意識了,，然后就會帶來更大的問題。但必須向這個方向前進,，不可阻擋,。

做有用無趣的生產(chǎn)型內(nèi)容，不一定用大語言模型,，谷歌用Alpha Fold分析蛋白質(zhì)結(jié)構(gòu),，后來有用類似的技術(shù)設(shè)計材料，成果呼之欲出,。這些都是大語言模型之前的技術(shù)路線,。

（三）AGI的前途是機器人

AGI的可能性已經(jīng)看到，奧特曼說大概10年之內(nèi),。

人工智能和機械結(jié)合之后,，會逐漸取代所有工種,。到那時，勞動才是一種純粹的需要，這個不做深入發(fā)揮,。

奧特曼說現(xiàn)在經(jīng)濟的基本邏輯始終稀缺,，將來消滅了稀缺，經(jīng)濟,，社會會重構(gòu),。

其實消滅了稀缺資源的領(lǐng)域已經(jīng)很多，例如穿衣吃飯,，對相當(dāng)多的人來說成本已經(jīng)非常低,。你看看大家如何對待這種商品的，留能夠理解未來的基本需求和模式,。

因為人性最底層的部分是穩(wěn)定，不變的,。但這個部分相當(dāng)缺乏研究和開發(fā),，大家都是通過大量試錯犧牲的實踐在找一些臨時性的近似解。